Jika Data Tidak Berdistribusi Normal

Model regresi yang baik adalah mempunyai nilai residual yang terdistribusi protokoler.

Data yang berdistribusi stereotip sebagai halnya sebagai cermin jika dalam 100 buah sitrus semua rasa jeruk ialah cemberut, maka data tidak normal. Uji normalitas adalah untuk mengawasi apakah nilai residual terdistribusi normal atau bukan. Arketipe regresi memerlukan normalitas pada biji residualnya bukan plong masing-masing variabel penelitian. Uji normalitas dilakukan cak bagi menguji apakah fleksibel bebas/independent/(X) dan variabel tergiring/dependen/(Y) dalam model regresi memiliki sirkuit normal atau tidak (Juliandi et al.,2014).

Ajija (2011) uji normalitas diperlukan ketika besaran observasi kurang dari 30. Uji normalitas digunakan untuk mengetahui apakah error term menumpu distribusi normal. Jika total observasi melebihi 30, maka enggak terlazim dilakukan uji normalitas karena distribusi sampling error term telah mendekati biasa. Jika misal menggunakan 285 observasi maka uji normalitas dapat diabaikan.

Apabila data menentang tidak biasa maka bisa digunakan postulat
Central Limit Theorem
merupakan jika jumlah observasi lebih bermula 30, maka tidak perlu dilakukan uji normalitas dan dapat diabaikan (Ajija dkk, 2022:42). Uji normalitas dapat dilakukan dengan uji histogram, uji lazim P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov, uji
Shapiro-wilk
dan lain sebagainya.

Berikut penjelasan uji normalitas dengan menggunakan Diagram histogram normal
p-p plot, One Sample Kolmogorov Smirnov dan
uji
Shapiro-wilk
 :

  1. Diagram histogram stereotip
    p-p plot of regression standarized residual.
    Dengan ketentuan :
    Distribusi yang jamak akan membentuk satu garis lurus diagonal. Jika sirkuit data residual normal, maka garis yang menggambarkan data residual akan mengimak garis diagonalnya, data nan legal akan  memberikan nilai ekstrim adv minim dan ekstrim tingkatan nan sedikit dan kebanyakan mengumpul ditengah. Takdirnya gambar membentuk garis lurus diagonal dan noktah – titik menyebar di seputar garis diagonal serta mengikuti arah garis diagonalnya. Sehingga, hal tersebut dapat dikatakan bahwa residual telah terdistribuasi dengan normal.
  2. One Sample Kolmogorov Smirnov :
    Standar :
    Ketentuan yang harus dipenuhi jika melakukan uji
    One Sample Kolmogorov-Smirnov


    merupakan, jika nilai signifikansi > 0,05 maka data nan digunakan dalam penelitian memiliki peredaran yang legal. Namun, kebalikannya, jika nilai signifikansi < 0,05 maka data yang digunakan tidak mempunyai arus nan normal. Takdirnya nilai di atas 0,05 maka distribusi data dinyatakan menyempurnakan asumsi normalitas, dan jika kredit di dasar 0,05 maka diinterpretasikan sebagai tak normal.

  3. Uji
    Shapiro-wilk. Standar pengambilan keputusan berusul uji
    Shapiro-wilk
    adalah sebagai berikut :

    1. Apabila nilai signifikasi > 0,05 , maka distribusi data memenuhi asumsi normalitas.
    2. Apabila nilai signifikansi < 0,05 , maka distribusi data tak memenuhi asumsi normalitas

Referensi

  • Ajija, Shochrul Rohmatul, dkk. 2022. Cara Cerdas Menguasai Eviews. Jakarta: Salemba Empat.
  • Juliandi A, Irfan, Manurung S. 2022. Metodologi Penelitian Niaga: Konsep dan Aplikasi. Medan: UMSU Press.

Image Sources: Google Images

Source: https://accounting.binus.ac.id/2021/08/06/memahami-uji-normalitas-dalam-model-regresi/